作者简介

杜雨，EasyCharts团队成员，R语言中文社区专栏作者，兴趣方向为：Excel商务图表，R语言数据可视化，地理信息数据可视化。

个人公众号：数据小魔方（微信ID：datamofang） ，“数据小魔方”创始人。

精彩集锦

那些年倒腾的R语言学习笔记，全都在这里了~

左手用R右手Python系列之——表格数据抓取之道

左手用R右手Python系列——循环中的错误异常规避

左手用R右手Python系列——异常捕获与容错处理

左手用R右手Python系列——任务进度管理

左手用R右手Python——CSS网页解析实战

左手用R右手Python系列17——CSS表达式与网页解析

左手用R右手Python系列之——字符串格式化进阶

R语言数据分析笔记——Cohort 存留分析

左手用R右手Python系列之——字符串格式化进阶

R语言多任务处理与并行运算包——foreach

R语言学习笔记之——数据处理神器data.table

ggplot2学习笔记——图例系统及其调整函数

R语言构建RFM模型了解一下

点击图片，查看详情

要说ggplot2中那些使用不多但是却功能强大的图层函数，我首先想到的就是geom_rect、geom_linerange、geom_segment、geom_ploygon。

这四个函数分别定义了ggplot2中的矩形图、垂直线图（线范围图）、线段图、几何多边形图。

这四种图表类型独立使用的机会很少，一般都是作为图表的辅助信息，但是如果能恰到好处的使用，你会挖掘出很多新意。

geom_rect()

geom_rect()一般用于制作自定义矩形，仅需在美学映射中指定每一个矩形在坐标系统中的左边界、右边界、下边界、上边界即可。

分辨对应xmax,xmax,ymin,ymax等四个美学映射参数，当然单个矩形仍然可以执行分组颜色映射操作。

具体示意如下：

library("showtext")library("ggplot2")library("magrittr")library("reshape2")library("ggthemes")library('dplyr')mydata <- data.frame(Lebal  = c("Point1","Point2","Point3","Point4","Point5"),xstart = c(5.5,15.7,19.5,37.2,36.9),xend   = c(9.7,28.1,24.6,44.6,47.1), ystart = c(9.6,23.1,2.3,33.2,9.2),yend   = c(16.1,36.2,11.7,38.5,15.3),size   = c(12,48,30,11.5,28),class  = c("A","A","A","C","C")
)

ggplot(mydata)+geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) +scale_fill_wsj()

按照x轴进行圆周化：

ggplot(mydata)+geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) +scale_fill_wsj() +ylim(-10,40) +scale_x_continuous(expand = c(0,0)) +coord_polar(theta = 'x')

#按照y轴进行圆周化ggplot(mydata)+geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) +scale_fill_wsj() +scale_y_continuous(expand = c(0,0)) +coord_polar(theta = 'y')

分面操作：
ggplot(mydata)+geom_rect(aes(xmin = xstart,xmax = xend , ymin = ystart , ymax = yend , fill = class)) +scale_fill_wsj() +facet_grid(.~class) +scale_y_continuous(expand = c(0,0))

想想这几个图如何使用上述图层实现?

geom_segment()

geom_segment通常用于制作直线段图，路径图、放射线图等，思路也很简单，只需要指定每一条线段的起点坐标、终点坐标即可。

即分别制定x,y,xend,yend。

具体示意如下：

mydata <- data.frame(Lebal  = c("Segment1","Segment2","Segment3","Segment4","Segment5"),xstart = c(3.5,4.4,8.3,13.2,20),ystart = c(5,2.7,4.6,2.2,4.7),xend   = c(7.5,8.7,21,25,23), yend   = c(7.9,4.2,7.2,3.8,4.4),class  = c("A","A","A","C","C")
)

ggplot(mydata) +geom_segment(aes(x = xstart, y = ystart, xend = xend,yend = yend, colour = class),arrow = arrow(length = unit(0.5,"cm")),size = 1.5) +scale_colour_wsj()

#按照X轴圆周化

ggplot(mydata) +geom_segment(aes(x = xstart , y = ystart , xend = xend ,yend = yend  , colour = class),arrow = arrow(length = unit(0.5,"cm")),size = 1.5) +scale_colour_wsj() +scale_y_continuous(expand = c(0,0)) +coord_polar(theta = 'x')

#按照y轴圆周化

ggplot(mydata) +geom_segment(aes(x = xstart , y = ystart , xend = xend ,yend = yend  , colour = class),arrow = arrow(length = unit(0.5,"cm")),size = 1.5) +scale_colour_wsj() +scale_y_continuous(expand = c(0,0)) +coord_polar(theta = 'y')

#分面操作：

ggplot(mydata) +geom_segment(aes(x = xstart , y = ystart , xend = xend ,yend = yend  , colour = class),arrow = arrow(length = unit(0.5,"cm")),size = 1.5) +facet_grid(.~class) +scale_colour_wsj() +scale_y_continuous(expand = c(0,0))

感觉没啥卵用？想想这几个图怎么实现？

geom_linerange()

这个图层函数乍看起来真的没啥用，貌似很多辅助图形都可以替代，比如那些误差线（geom_errorbar）、垂直线（geom_vline）、水平线(geom_hline)等。

但是其实不然，这个grom_linerange函数可以实现批量美学映射，包含线条颜色自定义、粗细自定义、线型自定义以及线条上下边界的自定义，通过coord_flip函数还可以将垂直线的所有应用转化为水平线应用，非常方便。

只需要指定x值，y轴的上下边界即可。

即x,ymin,ymax。

mydata <- data.frame(Lebal  = c("linerange1","linerange2","linerange3","linerange4","linerange5"),xstart = c(3.5,7,12,16,20),ymin   = c(2.5,6.5,3,4.5,3.8),ymax   = c(7.5,9.5,9,13.5,4.2),class  = c("A","A","A","C","C")
)

ggplot(mydata) +geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) +scale_colour_wsj()

# 横纵轴互换：

ggplot(mydata) +geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) +coord_flip() +scale_colour_wsj()

#按x轴圆周化：

ggplot(mydata) +geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) +scale_colour_wsj() +scale_x_continuous(limits = c(0,25),expand = c(0,0)) +coord_polar(theta = 'x')

#按y轴圆周化：

ggplot(mydata) +geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) +scale_colour_wsj() +scale_y_continuous(expand = c(0,0)) +coord_polar(theta = 'y')

#分面：

ggplot(mydata) +geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) +scale_colour_wsj() +facet_grid(.~class) +scale_x_continuous(limits = c(0,25),expand = c(0,0))

ggplot(mydata) +geom_linerange(aes(x = xstart, ymin = ymin , ymax = ymax , colour = class) , size = 1.5) +coord_flip() +scale_colour_wsj() +facet_grid(.~class) +scale_x_continuous(limits = c(0,25),expand = c(0,0))

这个图层函数结合地图数据，可以想象的空间也很大哒！

geom_polygon()

最后一个可以说是很厉害了，几乎是ggplot2里面最为复杂、强大、适应性广的图层函数了，因为它使用极限思维，什么东西都是用尽可能多的点来拟合。

想象一下我们常见的大部分图表都是由点线面集合元素来构成，所以理论上说，只要你能从这个图形对象中发现规律，从而得到尽可能多的图形边界点，那么使用geom_polygon对象来实现目标图形那都是分分钟的事儿。

它的思路是我们对象看成是若干个闭合多边形，每一个闭合多边形通过一组有序点坐标进行首尾连接，之后再按照事物真实的隶属关系对group(闭合多边形)进行二次分组，按照有意义的组别进行颜色映射。

具体示意如下：

mydata <- data.frame(long = c(15.4,17.2,19.7,15.9,7.4,8.9,8.5,10.4,11.3,9.7,4.8,3.7,22.4,25.6,27.8,25.1,16.7,15.9,29.9,38.7,43.2,40.2,35.6,29.4),lat  = c(38.1,36.2,33.1,24.6,29.0,33.6,12.1,11.7,8.9,6.1,5.7,9.1,8.4,7.6,5.7,3.9,4.3,5.9,32.6,31.8,27.6,22.3,24.5,29.6),group= c(1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4,4,4,4),order =c(1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6,1,2,3,4,5,6),class = rep(c("A","c"),each = 12)
)

#

ggplot(mydata) +geom_polygon(aes(x = long , y = lat , group  = group , fill = class),colour = "white") +scale_fill_wsj()

#按照X轴圆周化：

ggplot(mydata) +geom_polygon(aes(x = long , y = lat , group  = group , fill = class),colour = "white") +coord_polar(theta = 'x') +scale_x_continuous(expand = c(0,0)) +scale_fill_wsj()

#按照y轴圆周化：

ggplot(mydata) +geom_polygon(aes(x = long , y = lat , group  = group , fill = class),colour = "white") +coord_polar(theta = 'y') +scale_y_continuous(expand = c(0,0)) +scale_fill_wsj()

#分面：

ggplot(mydata) +geom_polygon(aes(x = long , y = lat , group  = group , fill = class),colour = "white") +
facet_grid(.~class) +scale_fill_wsj()

那么关于这个图层函数，到底有啥用呢，用处大了去了，不信请看：

这个几个图形应该算是平时使用几率不会很高的图形了，但是用的恰到好处的话，能够做出非常惊艳的效果，赶快试一试吧~

《R语言商务图表与数据可视化》的课程已经更新到空间地理信息数据可视化的章节了，感兴趣的童鞋，不了解一下嘛~

https://edu.hellobi.com/course/264

如果你想要深入的去学ggplot2，但是又苦于平时学习、工作太忙木有时间研究浩如烟海的源文档，那也没关系，本小编最近花了不少功夫，把我自己学习ggplot2过程中的一些心得体会、学习经验、仿入坑指南精心整理，现已成功上线了R语言ggplot2可视化的视频课程，由天善智能独家发行，希望这门课程可以给你的R语言数据可视化学习带来更加丰富的体验。

相关课程推荐

体系全面，最具调性！R语言可视化&商务图表实战课程：

点击“阅读原文”开启新姿势